CN106228010A - 一种北太平洋鱿鱼资源补充量预测方法 - Google Patents
一种北太平洋鱿鱼资源补充量预测方法 Download PDFInfo
- Publication number
- CN106228010A CN106228010A CN201610580975.5A CN201610580975A CN106228010A CN 106228010 A CN106228010 A CN 106228010A CN 201610580975 A CN201610580975 A CN 201610580975A CN 106228010 A CN106228010 A CN 106228010A
- Authority
- CN
- China
- Prior art keywords
- factor
- ground
- month
- recruitment
- marine environment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种北太平洋鱿鱼资源补充量预测方法,其特征是利用索饵月份索饵场海洋环境因子组成的时间序列值与本年CPUE时间序列的相关性,选择相关性高海域的海洋环境因子作为索饵栖息环境对柔鱼类资源补充量影响的相关因子;利用产卵月份产卵场海洋环境因子组成的时间序列值与次年CPUE时间序列的相关性,选择相关性高海域的海洋环境因子作为产卵栖息环境对资源补充量影响的相关因子;利用产卵月份产卵场适宜表层水温范围占总面积的比例、索饵月份索饵场适宜表层水温范围占总面积的比例,用PS、PF表达产卵场索饵场栖息环境适宜程度;用选定的环境因子以及PS、PF不同组合,分别建立BP网络结构预测模型,选择最优模型,用于中长期渔情预报。
Description
技术领域
本发明涉及渔情预报中长期预报的方法,尤其是北太平洋鱿鱼资源补充量预测方法。
背景技术
资源补充量预报属于渔情预报中长期预报的一种,对资源补充量进行精确的预报是渔业进行科学管理、合理开发的关键。大洋性经济柔鱼类是短生命周期种类,尽管其自身具有很强的自我调节能力,可以在较短时间内对海洋环境变化进行反应,并很快适应这种变化,但海洋环境变动对其资源补充量的影响依然显著。研究表明,影响大洋性经济柔鱼类资源补充量的最主要的因子是环境因素。因此,目前对其资源补充量的预报研究也是基于此而展开。但以往的研究选择的环境因子较为单一,建立的预报模型也是简单的线性模型。为此,需要了解多种海洋环境因子对大洋性经济柔鱼类资源补充量的影响,找出对大洋性经济柔鱼类资源补充量影响最为显著的海洋环境因子,在此基础上建立资源补充量预测模型,并分析其原因。
发明内容
本发明研究了解海洋环境因子对大洋性经济柔鱼类资源补充量的影响,找出对大洋性经济柔鱼类资源补充量影响最为显著的海洋环境因子,目的是在此基础上建立一种北太平洋鱿鱼资源补充量预测方法,用于中长期渔情预报。
本发明的技术方案包括选择海洋环境因子和建立BP网络结构预测模型,其特征是利用柔鱼类索饵月份索饵场的海洋环境因子组成的时间序列值与本年平均日产量(CPUE)时间序列的的相关性,选择相关性高海域的海洋环境因子作为索饵栖息环境对柔鱼类资源补充量影响的相关因子;利用柔鱼类在产卵月份产卵场的海洋环境因子组成的时间序列值与次年CPUE时间序列的相关性,选择相关性高海域的海洋环境因子作为产卵栖息环境对柔鱼类资源补充量影响的相关因子;利用柔鱼类产卵月份产卵场适宜表层水温范围占总面积的比例(PS)、索饵月份索饵场适宜表层水温范围占总面积的比例(PF),用PS、PF表达柔鱼类资源产卵场索饵场栖息环境的适宜程度;相关性系数(r)采用皮尔逊(Pearson)相关系数,公式如下:
式中:x、y分别表示环境因子(包括产卵场和索饵场的海洋环境因子,以及各月份的PS和PF)、CPUE组成的系列值;
利用选定的产卵场和索饵场环境因子以及PS、PF的不同组合作为BP预测模型的输入因子,分别建立BP网络结构预测模型,然后选择预报精度最高的模型,用于中长期渔情预报。
本发明利用海洋环境因子对大洋性经济柔鱼类资源补充量的影响,找出对大洋性经济柔鱼类资源补充量影响最为显著的海洋环境因子,建立一种北太平洋鱿鱼资源补充量预测方法,预报精度均在90%以上,与传统的多元线性模型相比,预报精度显著提高约20%。
附图说明
图1是2003~2011年西北太平洋柔鱼GAM模型标准化CPUE图。
图2是与柔鱼资源量显著相关的关键海区图。
图3是1月份145°-146°E、25°-26°N的SST与柔鱼资源补充量的线性关系式图(a)。
图4是3月份168°-169°E、27°-28.5°N的Chl-a与柔鱼资源补充量的线性关系式图(b)。
图5是11月份156.5°-158°E、40°-40.5°N的SST与柔鱼资源补充量的线性关系式图(c)。
图6是8月份158°-160°E、38°-39°N的Chl-a与柔鱼资源补充量的线性关系式图(d)。
图7是不同神经网络模型的模拟结果和准确率图。
具体实施方式
大洋性经济柔鱼类资源补充量与其产卵场和索饵场的栖息环境密切相关。因此,可以计算柔鱼类在索饵月份索饵场的海洋环境因子组成的时间序列值与本年CPUE时间序列的的相关性,选择相关性高海域的海洋环境因子作为索饵栖息环境对柔鱼类资源补充量的影响的相关因子;计算柔鱼类在产卵月份产卵场的海洋环境因子组成的时间序列值与次年CPUE时间序列的相关性,选择相关性高海域的海洋环境因子作为产卵栖息环境对柔鱼类资源补充量的影响的相关因子。
产卵场、索饵场最适表层水温范围占总面积的比例是衡量柔鱼类栖息地环境优劣的指标之一。计算产卵月份产卵场适宜表层水温范围占总面积的比例(用PS表示)、索饵月份索饵场适宜表层水温范围占总面积的比例(用PF表示),用PS、PF表达柔鱼类资源产卵场索饵场栖息环境的适宜程度。相关性系数采用Pearson相关系数,公式如下:
其中x、y分别表示环境因子(包括产卵场和索饵场的海洋环境因子,以及各月份的PS和PF)、CPUE组成的系列值。
根据选取的相关因子,建立影响柔鱼类资源补充量的显著相关因子与CPUE之间的多元线性模型或BP神经网络模型。
根据曹杰和Tian的研究结果表明:GAM能够较好地标准化西北太平洋柔鱼CPUE,所以用GAM模型标准化后的年CPUE作为柔鱼的资源丰度指数。
利用匹配好的样本方案集(时间分辨率月、空间分辨率0.5°×0.5°以及环境因子SST、SSH和Chl-a)进行年CPUE标准化,使用的GAM模型公式如下:
Ln(CPUE+c)=factor(年)+factor(月)+s(经度)+s(纬度)+s(表温)+s(海面高度)+S(叶绿素a)+ε
式中s为样条平滑函数,常数c为CPUE均值的10%,varε=σ2,E(ε)=0。
利用时间因子(年、月),空间因子(经度、纬度),环境因子(SST、SSH、Chl-a构建的CPUE标准化GAM模型结果发现:Nominal CPUE和GAM CPUE两者变化趋势基本相同;最大的不同出现在2007年,Nominal CPUE最高为5.12t/d,而GAM CPUE为2.4t/d。
西北太平洋柔鱼西部冬春生群体产卵月份为1-4月,产卵场为20°-30°N,130°-170°E,产卵场PS范围为21–25℃;索饵场为38°-46°N,150°-165°E,索饵场各月PF均不相同,如8月份适宜为15-19℃,9月份为14-18℃,10月份为10-13℃,11月份为12-15℃。
因此,计算1-4月份产卵场每点海洋环境因子(SST、Chl-a)组成的时间序列值以及PS序列值与CPUE组成的序列值的相关性,选取高相关性海域的环境因子或PS作为产卵环境对西北太平洋柔鱼资源补充量的影响;计算8-11月份索饵场每点海洋环境因子组成的时间序列值以及PF序列值与CPUE组成的序列值的相关性,选取高相关性海域的环境因子或PF作为索饵环境对西北太平洋柔鱼资源补充量的影响的相关因子。
分析结果表明:在产卵月份(1~4月)产卵场区域内(20°-30°N,130°-170°E),1~4月份各月每一个0.5°×0.5°的SST与CPUE作相关性分析,发现1月份SST有一片连续区域与CPUE呈显著相关,分布范围是145°-146°E、25°-26°N(Area1),3月份Chl-a有一片连续区域与CPUE呈显著相关,分布范围是168°-169°E、27°-28.5°N(Area3);Ps时间序列与CPUE时间序列相关性分析说明1-4月份产卵场最适表层水温范围占产卵场总面积的比例与CPUE之间不存在显著相关性。在主要索饵月份(8-11月)索饵场区域内(150°-165°E、38°-46°N),8-11月份各月每一个0.5°×0.5°的SST与CPUE作相关性分析,发现11月份SST有一片连续区域与CPUE呈显著相关,分布范围是156.5°-158°E、40°-40.5°N(Area2),8月份Chl-a有一片连续区域与CPUE呈显著相关,分布范围是158°-160°E、38°-39°N(Area4);PF时间序列与CPUE时间序列相关性分析说明,8-11月份索饵场最适表层水温范围占总索饵场的比例与CPUE之间不存在显著相关性。
表1 关键区域SST与CPUE相关性分析参数
表2 西北太平洋柔鱼资源丰度(GAM CPUE)与PS、PF的相关性分析
利用选定的关键海区环境因子以及PS、PF的不同组合作为BP预报模型的输入因子,构造BP网络结构预测模型,分别为:
方案1:选取Area1的SST、Area3的Chl-a、PS共3个因子作为输入层,构造的BP网格结构,表示利用产卵环境关键影响因子建立的预测模型。
方案2:选取Area2的SST、Area4的Chl-a、PF共3个因子作为输入因子,构造的BP网络结构,表示利用索饵环境关键影响因子建立的预测模型。
方案3:选择Area1与Area2的SST、Area3与Area4的Chl-a、PS、PF共6个因子作为输入因子,构造的BP网络结构,表示利用综合环境关键因子建立的预测模型。
利用matlab进行建模,计算三种方案下的均方误差和预报准确率,方案1和方案3的均方误差相近且优于方案2,但三种模型的预报精度都高,均在90%以上。
Claims (1)
1.一种北太平洋鱿鱼资源补充量预测方法,包括选择海洋环境因子和建立BP网络结构预测模型,其特征是利用柔鱼类索饵月份索饵场的海洋环境因子组成的时间序列值与本年CPUE时间序列的的相关性,选择相关性高海域的海洋环境因子作为索饵栖息环境对柔鱼类资源补充量影响的相关因子;利用柔鱼类在产卵月份产卵场的海洋环境因子组成的时间序列值与次年CPUE时间序列的相关性,选择相关性高海域的海洋环境因子作为产卵栖息环境对柔鱼类资源补充量影响的相关因子;利用柔鱼类产卵月份产卵场适宜表层水温范围占总面积的比例PS、索饵月份索饵场适宜表层水温范围占总面积的比例PF,用PS、PF表达柔鱼类资源产卵场索饵场栖息环境的适宜程度;相关性系数采用Pearson相关系数,公式如下:
其中x、y分别表示环境因子,包括产卵场和索饵场的海洋环境因子,以及各月份环境的PS和PF、CPUE组成的系列值;
利用选定的环境因子以及PS、PF的不同组合作为BP预测模型的输入因子,分别建立BP网络结构预测模型,然后比较获得最有模型,用于中长期渔情预报。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610580975.5A CN106228010A (zh) | 2016-07-22 | 2016-07-22 | 一种北太平洋鱿鱼资源补充量预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610580975.5A CN106228010A (zh) | 2016-07-22 | 2016-07-22 | 一种北太平洋鱿鱼资源补充量预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106228010A true CN106228010A (zh) | 2016-12-14 |
Family
ID=57532170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610580975.5A Pending CN106228010A (zh) | 2016-07-22 | 2016-07-22 | 一种北太平洋鱿鱼资源补充量预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106228010A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108960523A (zh) * | 2018-07-18 | 2018-12-07 | 上海海洋大学 | 一种利用两步广义加性模型预测鱿鱼类的索饵场栖息地的方法 |
CN109543878A (zh) * | 2018-10-18 | 2019-03-29 | 上海海洋大学 | 基于太平洋涛动指数的北太平洋鱿鱼资源量预测方法 |
CN110555567A (zh) * | 2019-09-10 | 2019-12-10 | 上海彩虹鱼海洋科技股份有限公司 | 用于鱼汛预测的方法、系统和装置 |
WO2020088615A1 (zh) * | 2018-11-02 | 2020-05-07 | 上海海洋大学 | 基于太平洋震荡指数的日本鱿鱼资源丰度预测方法及应用 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102750448A (zh) * | 2012-06-11 | 2012-10-24 | 中国水利水电科学研究院 | 一种基于水功能区的水量水质调控方法 |
CN104850734A (zh) * | 2015-04-21 | 2015-08-19 | 武大吉奥信息技术有限公司 | 一种基于时空分布特征的空气质量指数预测方法 |
CN105528650A (zh) * | 2015-12-02 | 2016-04-27 | 江苏省电力公司信息通信分公司 | 基于主成分分析和bp神经网络的机房温湿度预测方法 |
-
2016
- 2016-07-22 CN CN201610580975.5A patent/CN106228010A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102750448A (zh) * | 2012-06-11 | 2012-10-24 | 中国水利水电科学研究院 | 一种基于水功能区的水量水质调控方法 |
CN102750448B (zh) * | 2012-06-11 | 2015-04-08 | 中国水利水电科学研究院 | 一种基于水功能区的水量水质调控方法 |
CN104850734A (zh) * | 2015-04-21 | 2015-08-19 | 武大吉奥信息技术有限公司 | 一种基于时空分布特征的空气质量指数预测方法 |
CN105528650A (zh) * | 2015-12-02 | 2016-04-27 | 江苏省电力公司信息通信分公司 | 基于主成分分析和bp神经网络的机房温湿度预测方法 |
Non-Patent Citations (2)
Title |
---|
唐浩等: "基于GAM模型研究时空及环境因子对中西太平洋鲣鱼渔场的影响", 《海洋环境科学》 * |
汪金涛等: "基于环境因子的东南太平洋茎柔鱼资源补充量预报模型研究", 《海洋与湖沼》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108960523A (zh) * | 2018-07-18 | 2018-12-07 | 上海海洋大学 | 一种利用两步广义加性模型预测鱿鱼类的索饵场栖息地的方法 |
CN109543878A (zh) * | 2018-10-18 | 2019-03-29 | 上海海洋大学 | 基于太平洋涛动指数的北太平洋鱿鱼资源量预测方法 |
WO2020088615A1 (zh) * | 2018-11-02 | 2020-05-07 | 上海海洋大学 | 基于太平洋震荡指数的日本鱿鱼资源丰度预测方法及应用 |
CN110555567A (zh) * | 2019-09-10 | 2019-12-10 | 上海彩虹鱼海洋科技股份有限公司 | 用于鱼汛预测的方法、系统和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107464202B (zh) | 基于鱼类生境需求的多闸坝平原河流生态流量过程推求方法 | |
CN106228010A (zh) | 一种北太平洋鱿鱼资源补充量预测方法 | |
Dıaz-Solis et al. | A simple ecological sustainability simulator (SESS) for stocking rate management on semi-arid grazinglands | |
CN109934490A (zh) | 一种滨海湿地生态地质环境综合评价和等级分区方法 | |
CN106651616B (zh) | 一种中西太平洋鲣鱼围网渔业入渔的预测方法 | |
CN106228456A (zh) | 一种秘鲁鱿鱼的资源补充量预测方法 | |
CN109767040B (zh) | 基于栖息地指数的秋刀鱼中心渔场预测方法 | |
CN102495937A (zh) | 一种基于时间序列的预测方法 | |
Ou et al. | Developing a sustainable indicator system based on the pressure–state–response framework for local fisheries: A case study of Gungliau, Taiwan | |
CN106251006A (zh) | 一种阿根廷鱿鱼资源补充量预测方法 | |
Bakken et al. | Simulation of river water temperatures during various hydro-peaking regimes | |
CN106845097A (zh) | 一种多生境条件下鱼类资源的抽样方法 | |
CN107590549A (zh) | 一种日本鱿冬生群资源丰度预测方法 | |
CN106485093A (zh) | 基于改进马尔可夫链的太阳辐照度时间序列合成方法 | |
CN105260820A (zh) | 调水工程受水区水生态系统风险评估方法 | |
CN114548711A (zh) | 基于模糊综合评价法的梯级水库水文生态调度效果评估方法 | |
Henriques et al. | Life history traits of the exploited limpet Patella candei (Mollusca: Patellogastropoda) of the north-eastern Atlantic | |
Nur et al. | Length-weight relationship and condition factor of an endemic Lagusia micracanthus Bleeker, 1860 in Rivers of the Maros Watershed | |
Mahmoud et al. | Fisheries management of cichlid fishes in Nozha Hydrodrome, Alexandria, Egypt | |
Yang et al. | Vulnerability of assessing water resources by the improved set pair analysis | |
Lazareva et al. | Metazooplankton of the plain reservoir during climate warming: Biomass and production | |
CN104834966A (zh) | 一种基于蚁群分类算法的渔场预报方法 | |
Zhao et al. | Development of a stock–recruitment model and assessment of biological reference points for the Lake Erie Walleye fishery | |
Zeldis | Applicability of egg surveys for spawning-stock biomass estimation of snapper, orange roughy, and hoki in New Zealand | |
Wright et al. | Depletion‐based population estimates for western rock lobster (Panulirus cygnus) fishery in Western Australia |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161214 |